同じ修正方法を、チーム全員がエージェントに教え直す必要はない。

2026年6月9日、Activeloopが提供するHivemindの機能がXで紹介された。Hivemindは、AIエージェントの実行トレースを再利用可能なスキル（SKILL.md）に変換し、Claude CodeやCodex、Cursorなど複数の開発環境へ自動配布する。チームの誰か一人が解決した作業パターンが、別のメンバーのエージェントにも届く仕組みだ。

この記事でわかること

  • Hivemindが実行トレースをスキル化する仕組み
  • 対応している6つのAI開発環境
  • チーム全体へのスキル配布の流れ
GitHub - activeloopai/hivemind: One brain for all your agents
One brain for all your agents. Contribute to activeloopai/hivemind development by creating an account on GitHub.
GitHub

開発チームが抱える「エージェントの記憶断絶」

Claude Code、Codex、Cursorなど、AIコーディングエージェントは個人ごとに動く。あるエンジニアのエージェントが月曜日に自力で解いたDB移行の手順も、火曜日に別のメンバーが同じツールを使えば、またゼロから調査し直す。

Hivemindは、この「毎回の再発見」を止めることを目的に作られている。ActiveloopはDeeplakeというデータ基盤の上にHivemindを構築し、チーム全員のエージェントセッションを組織共通のメモリ層として扱う。

何が変わったか

Hivemindの中核は「Capture → Codify → Propagate → Compound」の4段階だ。

Capture（記録）では、プロンプト、ツール呼び出し、応答をDeeplake上の構造化トレースとして保存する。Codify（スキル化）では、バックグラウンドワーカーが直近セッションを解析し、繰り返しパターンをSKILL.mdに変換する。Propagate（配布）では、生成されたスキルをチーム全員のエージェントへ自動反映する。Compound（蓄積）では、使うほどスキルが増え、チーム全体のエージェント精度が上がる。

X上の投稿では「Your agents get smarter every time anyone on your team uses them（チームの誰かが使うたびにエージェントが賢くなる）」と説明されていた。

スキル生成の内部動作

スキル生成機能「skillify」は、セッション終了時と20ターンごとにバックグラウンドワーカーを起動する。20ターンの間隔は環境変数HIVEMIND_SKILLIFY_EVERY_N_TURNSで変更できる。

ワーカーは直近10セッションのプロンプトと応答を取得し、Anthropic Claude Haikuに判定を委ねる。判定結果は3種類だ。

  • KEEP: 新しいスキルを.claude/skills/<name>/SKILL.mdとして書き込む
  • MERGE: 既存スキルを更新する
  • SKIP: 一度きりの作業や既存スキルと重複する場合は生成しない

スキルファイルはAgent Skills（agentskills.io）のオープン標準フォーマットに従う。Anthropicが2025年12月に公開したSKILL.md形式で、Claude Code、Cursor、Codexなど16以上のツールが対応している。

6環境への自動配布

Hivemindが対応する開発環境は次の6つだ。

環境 連携方式
Claude Code Marketplaceプラグイン
Codex hooks.json
Cursor hooks.json（1.7以降）
Hermes Agent シェルフック + MCPサーバー
OpenClaw ネイティブ拡張
pi Extension API + AGENTS.md

各環境のSessionStartフックで、チームメンバーが生成したスキルを自動取得する。取得したスキルは~/.claude/skills/<name>--<author>/SKILL.mdに書き込まれ、CodexやHermes、pi向けのスキルディレクトリへシンボリックリンクで配布される。手動でhivemind skillify pullを実行する必要はない。

導入方法

Hivemind: Shared Memory for AI Agents
One command, every agent. Persistent shared memory for Claude Code, OpenClaw, Codex, Cursor, Hermes, and pi.
deeplake.ai

インストールは1コマンドで完了する。

npm install -g @deeplake/hivemind && hivemind install

インストーラーがマシン上の対応エージェントを検出し、各環境のフックを設定する。特定のエージェントだけに限定する場合はhivemind install --only cursorのように指定できる。キャプチャを無効化したい場合はHIVEMIND_CAPTURE=falseを設定する。

ベンチマーク結果

Activeloopは長文脈メモリのベンチマークLoCoMoでHivemindを評価している。メモリなしのベースラインと比較した結果は次の通りだ。

指標 ベースライン Hivemind 改善幅
100問あたりのコスト $8.94 $6.65 25%削減
1問あたりのトークン数 1,700 1,008 1.7倍削減
1問あたりのターン数 8.9 6.2 31%削減

過去のセッション内容が推論時に再利用されるため、エージェントは同じ作業を短いターン数で完了できる。

既存のスキル管理との違い

Agent Skills標準では、.claude/skills/や.agents/skills/など各ツールごとにスキルディレクトリが分かれている。手動でSKILL.mdを書き、Gitでチームに共有する運用が一般的だ。

Hivemindはこの手動フローを自動化する。エージェントが実際に実行した作業からスキルを抽出するため、理論上の手順書ではなく、検証済みのパターンがスキル化される点が異なる。Activeloopのロードマップには、スキルのバージョン管理と人間によるレビュー機能が予定されている。